WSNs中基于模糊逻辑系统的能耗感知的簇路由

2019-07-05林勇

兵器装备工程学报 2019年5期

林勇

(重庆电子工程职业学院，重庆 401331)

无线传感网络(Wireless Sensor Networks，WSNs)由大量、微型传感节点组成。这些节点具有有限的感测、计算和无线通信能力[1]。目前，WSNs已广泛应用于智能家居、污染检测、目标跟踪和康复医疗。在这些应用中，当节点能量消耗完毕后，补充节点能量是不可能的[2]。因此，能量供给的受限，激发了研究能量感知协议的动力。

引用簇结构能够有效地降低WSNs的能耗。每个簇中由一个簇头(Cluster Head,CH)和其他非簇头节点(成员节点)组成。CH负责簇间通信[3]。当簇构建完成后，CH就给簇内每个成员节点分配时分多址接入TDMA时隙，成员节点就利用所分配的时隙向CH发送数据。

在基于簇WSNs中，每个成员节点先感测环境参数，再将感测数据传输至它的CH。然后，成员节点在预设的时间内进入休眠状态[4]。与成员节点相反，簇头CH在网络操作期间内总是保持活动状态。因此，CH的平均能耗远高于成员节点的能耗。

为此，常由多个节点间轮换扮演CH角色，共同分担通信负载，进而平衡节点间能耗。而重构簇便是实现CH角色的轮换的有效策略。

研究人员对重构簇进行了较深的研究[5-7]。例如，文献[6]利用阈值函数产生簇头，并利用节点角度比、距离比和吞吐率优化阈值函数。该方案仍是采用固定轮产生选择簇头。即以固定时间间隔启动簇任务。类似地，文献[7]也是在每轮内构建簇，每轮分为建立阶段与数据传输阶段。如图1所示，在每一轮(Round)内均由簇建立和数据传输两个阶段构成。尽管每轮选择簇能够一定程度上平衡节点间的负载。然而，重构簇本身也消耗能量，加重网络负担。

图1 基于轮策略的构簇任务的调度

若采用的Round过长，则CH的工作时间太长，可能导致其能量消耗过快。反之，若Round过短，系统需频繁地重构簇，增加了构建簇所消耗的能量。因此，Round时长对能耗有一定的影响。

此外，选择簇头受多个因素影响，如距离，节点的剩余能量。那如何依据距离、能量等信息决定簇头？实际上，这属于多输入单输出系统。由多项输入信息决策一个输出量。而模糊逻辑系统常用于多输入单输出的决策系统。例如，文献[8]中提出基于多参数模糊逻辑的车载通信资源协同优化算法。利用模糊逻辑系统对资源进行管理。文献[9]中也采用模糊逻辑系统推理簇尺寸。

为此，本文引用超轮概念，提出基于模糊逻辑系统的能效感知的簇路由(Fuzzy Logic-based Energy-aware Clustering,FL-EAC)。FL-EAC路由不是每轮都构建簇，而是在一个超轮内才构建一次簇。同时，由模糊逻辑系统决策超轮长度。本文的主要工作可归纳以下两点：① 引用超轮概念，不再采用的以固定时间内建立簇策略；② 利用节点剩余能量、距离信息作为模糊逻辑系统的输入，由模糊逻辑系统决策超轮长度。

1 FL-EAC路由

1.1 能量消耗模型

引用与文献[10]中所述的无线电能量消耗模型，如图2所示。发射器向相距为d的接收节点传输m比特的数据包所消耗的能量ETX(q,d)：

(1)

其中：Eelec运行发射器或接收器固定的能量消耗；εfs、εamp分别表示发射器在自空间、双径传播模型(two ray ground model)的单位功率放大器的能量消耗[11-15]。

相应地，对于接收m比特的数据包所消耗的能量：

ERX(m)=m*Eelec

(2)

1.2 构簇算法

为了平衡WSNs内的能耗，通常在多个传感节点间轮换承担CH角色。当构簇算法启动时，一些传感节点必须成为CHs。在构簇过程中，每个非CH节点向与它的CH发送加入信息Mes_Join。收到Mes_Join的CH就给它的成员(非CH节点)提供TDMA时隙。此外，将每个簇内的数据传输过程看成单跳传输。

图2 无线电能量消耗模型

(3)

其中，Ej表示节点j的剩余能量。

图3 构簇算法1的伪代码

(4)

其中，i表示广播CH_adv消息的簇头。

1.3 调度策略

每个簇在一轮内完成它们的任务，然后再配置下一轮。FL-EAC路由允许所有节点参与构簇过程[11]。而传统的簇路由是采用固定轮时长构建簇，这必然加大了构建簇的能耗。为此，提出的FL-EAC路由采用新的策略。

FL-EAC路由先建立簇，形成多层结构。然后，将网络操作划分为超轮(Hyper Rounds,HRs)，进而降低簇开销。 FL-EAC路由规定在每个HRs内的第一个轮的建立阶段重构簇。

HRs模型如图4所示。值得注意的是，在实施阶段，每一个HR的稳定时期可能被合并成一个长的稳定时期。换而言之，除HRs的第一个轮外，其他轮可以不重构簇，进而降低了构簇开销。尽管轮长度是固定的，但HR长度随传感节点的状态变化。现有的多数算法只关注HR策略，而提出的FL-EAC路由利用模糊逻辑系统处理变化的HR长度问题。

图4 HRs模型

依据FL-EAC路由，在每个HR的开始执行构簇算法。因此，先将网内所有节点被划分为CHs和非CH节点(普通节点)。然后，在构簇阶段结束时，每个CH依据FLS计算HR长度。在分布算法中，将最短HR作为选为网络内全局的HR长度。选择最短的HR作为全局HR长度，是为了降低CH的能耗。

为此，每个CH需产生一个等待时间，其正比于它所计算的HR长度。HR长度越短，等待时间越短。一旦等待时间结束，并且在等待时间期间，没有收到邻居节点发送的Msg_Sch，每个CH就向邻居CHs传输Msg_Sch，其包含了HR的长度。每个CH从所接收的Msg_Sch中提取HR长度，并与之前接收的HR长度进行比较，保存最短HR长度。接下来，分析计算HR长度的过程。

1.4 模糊逻辑系统

采用模糊逻辑系统FLS处理每个CH节点在估计HR长度的不确定性。FLS利用节点的剩余能量和离信宿的相对距离决定HR长度。相比于远区的CHs，位于信宿附近的CHs承担了更多数据转发任务，因此，它们消耗了更多的能量。所以，它们的簇头轮换频率需更快[12]。

基于上述考虑，将离信宿相对距离和节点剩余能量作为FLS的输入。FLS系统如图5所示。剩余能量低的CHs难以完成它的任务，必须进行快速轮换。FLS的输出就是HR长度。离信宿距离近的、低剩余能量的节点具有更短的HR长度。相反，离信宿距离远的、高剩余能量节点的HR长度更长。因此，HR长度因节点个体不同而不同。

图5 FLS系统

(5)

由于传感节点是静态的，离信宿最小和最大距离是固定参数。一旦网络部署后，信宿就向所有节点广播信号。因此，每个节点就可利用接收信号强度(Received Signal Strength Index,RSSI)估算离信宿近似距离。

1) 相对距离

节点i离信宿的相对距离RDi的定义如式(6):

(6)

其中，dmin、dmax分别表示离信宿的最近、最远距离。而d(i,Sink)表示节点i离信宿的绝对距离。

2) 相对剩余能量

节点i的相对剩余能量REi的定义如式(7):

(7)

输入变量RD、RE和输出变量Out的隶属函数如图6所示。其中用非常低(very low)、低(low)、中(medium)、高(high)、非常高(very high)作为RE的语言变量。而用近(close)、中间(adequate)和远(far)作为RD的语言变量。类似地，输出变量Out可表述为：

Out={Verylow,low,ratherlow,mediumlow,medium,

mediumhigh,ratherhigh,high,veryhigh}

(8)

图6 隶属函数

知识规则库如表1所示，共有15条规则。系统输出为模糊值，仅为语言输出变量，需要将其转换精确的数值，即去模糊化。利用文献[13]的Mamdani模糊控制的重心法，可实现去模糊化。

表1 知识规则库

2 性能分析

利用MATLAB R2012b建立仿真平台[15]。在100 m×100 m网络区域内部署100个节点，信宿位于(50 m,175 m)位置。传感节点的初始能量Einit从[2,4]J区内随机选取。数据包尺寸和控制包尺寸分别为4 000和200比特。有关的能量参数如下：Eelec=50 nJ/bit、εfs=10 pJ/bit/m2、εamp=0.001 3 pJ/bit/m4、dco=87 m。

同时，为了更好地分析FL-EAC路由的性能，选用EHEED[14]和EDIT[15]进行比较。EHEED算法是基于HEED算法的改进，它采用多跳路径完成簇间通信。而EDIT算法降低了在簇构建过程中的消息交互，并且将节点剩余能量作为CH选择的基本指标。

1) 实验一

本次实验HR长度变化，并通过本次实验数据证明超轮策略的可用性。HR长度如图7所示。

依图7可知，HR长度随仿真时间变化。这与传统路由采用固定轮策略不同。最初，HR长度较长，随后，逐步变短。原因在于：在最初，节点能量较充足，每个簇头能维持较长的工作时间，而随着时间推移，节点能量逐步下降，担任簇头的时间会缩短。因此，HR长度变短。当仿真结束后，HR就等于一轮。这些数据表明，利用模糊逻辑系统能够依据节点能量动态地决策HR长度，有效地平衡节点间能量。